客戶流失研究綜述

任紅娟 夏國恩

摘 要：近些年來，企業對于顧客在企業價值創造過程中地位的認識在發生著變化。傳統企業經營主要是依靠銷售產品或提供服務來創造價值，隨著客戶重要性的顯現，企業轉而開始以客戶為中心，愈來愈重視客戶流失管理的研究。本文在對現有文獻進行收集整理的基礎上，闡述客戶流失的概念、客戶流失的分類、重點探討不同行業影響客戶流失的因素，最后介紹了典型的客戶流失預測方法以及客戶流失未來的研究方向尤其是在網絡客戶流失方面，為更多的學者進行客戶流失研究提供參考。

關鍵詞：客戶流失 影響因素 流失預測

中圖分類號：F279.23 文獻標識碼：A 文章編號：2096-0298（2018）11（b）-166-02

1 研究背景

客戶流失是指企業現有的客戶，轉而去購買競爭對手的商品或者是服務，而不再繼續購買本企業的商品或服務。網絡客戶流失是指客戶不再購買之前使用過的網上產品或終止其服務。近年來隨著電子商務企業的突起，企業間競爭的加劇，客戶流失成了許多企業面臨非常棘手的問題。研究表明，發展一位新客戶所花費的成本要比維持一位老客戶的成本多得多，通常能夠達到5～6倍。也就是說，在客戶流失以后，如果企業要去重新發展新客戶所帶來的成本是非常大的。因此，不論是電商企業還是實體企業都越來越重視客戶流失管理。保留客戶是任何組織獲得競爭優勢的主要要求之一。

2 客戶流失影響因素

客戶流失分為自愿和非自愿流失兩種。自愿流失指的是因為客戶自身的原因所導致的流失。非自愿流失指的是客戶因為外在的某些不可抗力的原因導致其不能繼續購買企業的產品或服務而造成的流失。不同行業影響客戶流失的因素不盡相同，本文將區分以下三個行業進行相關探討。

2.1 電信業

我國電信業在不斷的改革過程中競爭在不斷的加劇。如今，通信市場的競爭已經十分激烈，在這種情況下，電信企業的戰略重點就成了進行客戶爭奪。

趙莽（2006）基于客戶保持理論，從不同維度對影響流失的客戶進行研究，研究表明客戶忠誠度、客戶滿意度、客戶歸屬感等幾個因素有助于客戶保持。夏國恩（2007）認為，可以從多維的客戶特征中，通過客戶特征提取，從客戶行為、客戶基本特征、產品質量三方面對客戶流失進行實證研究。王穎（2015）利用移動公司的客戶數據，運用統計分析方法，對可能影響客戶流失的因素進行研究，篩選出了影響客戶流失的8個因素。徐旭（2015）對影響終端客戶流失的因素從多個角度進行了分析，提出客戶流失的影響因素有很多，包括客戶的年齡、職業、收入等。周靜等（2017）將著眼點放在社交網絡上，研究影響電信客戶流失的因素。利用某移動公司的8個指標數據通過邏輯回歸的方法進行預測，結果表明，在選取的8個指標中，對預測客戶流失產生重要影響的是個體的信息熵、個體的度、聯系的強度三個指標。實際中，業務人員的流動、競爭對手產品具有優勢、公司存在誠信問題、服務態度惡劣等也是造成客戶流失的原因。

2.2 金融業

中國金融機構隨著經濟體制改革的深化和對外開放政策的放開在發生著巨大的變化，加之網上銀行的興起，微信、支付寶等第三方支付平臺的普及使用，使得銀行間的競爭變得激烈異常。愈加激烈的競爭使得客戶流失率也隨之增加。

林睿等（2012）通過參考國際上和相關領域專家對銀行客戶數據的分析，認為客戶性別、客戶擁有的產品數量等10個因素對中國建設銀行某分行的客戶流失具有顯著影響。王未卿等（2014）以國內某商業銀行支行的客戶資料為樣本，通過單因素分析得出影響銀行客戶流失的12個因素，進一步利用逐步判別法以及PHRGE發現其中有8個有效指標，一部分與客戶流失呈正相關；一部分呈負相關。盧美琴等（2018）針對商業銀行中VIP客戶不斷流失的現象，利用相關系數檢驗的方法對影響VIP客戶流失的因素進行分析，結果表明年齡、有效活期賬戶數等15個因素對客戶流失產生著重要影響。

2.3 電子商務

近年來電子商務技術的快速發展使得網上消費成了一種趨勢。然而，由于網上消費范圍廣、成本低、速度快等特點也造成了網絡客戶的流失率非常高。很多顧客只購買一次產品便不再繼續購買，這樣的顧客數量占到了80%左右。因此，要對客戶是否流失進行預測進而及時的制訂客戶保持策略，那么就需要探討影響網絡客戶流失的關鍵因素。

任劍鋒（2012）認為影響電子商務客戶流失的有客戶年齡、客戶性別、購買金額、深夜購買次數、服務呼叫次數、客戶信用得分這六個因素。王榕麟（2013）通過文獻搜集與整理，探究影響網店顧客流失的因素。通過因子分析，得到了包括交易安全性、產品質量、網絡口碑在內的12個重要影響因素。

于小兵（2014）以某電子商務公司為研究對象，先確定了影響客戶流失的因素，再通過語言信息理論和基于正態分布的OWA，得出導致客戶流失影響因素的重要性大小排序。李婷婷（2014）探討了影響B2C客戶流失的五類關鍵性因素，在調查問卷的基礎上，采用實證分析的方法，得出各個因素對于客戶流失的影響程度，為電子商務企業制定客戶保持策略提供了一定的借鑒。葉志龍等（2016）認為顧客的年齡、持有會員卡的級別、積分、購物次數等因素對某網站的會員流失量產生著影響。夏國恩（2018）將客戶價值特征和客戶情感特征融入到了網絡客戶流失預測的研究當中，認為影響網絡客戶流失的因素有客戶首次購買的時間、客戶消費新鮮度、客戶消費頻度、消費總金額、客戶對商品的評分以及客戶評論情感。除此之外，產品性價比、網店客服的態度、選擇合作的物流公司等因素對于客戶的選擇有著重要的影響。分析影響網絡客戶流失的因素，進一步量化后用以預測網絡客戶是否流失是我們未來應關注的方面。

3 客戶流失預測方法

客戶流失預測方法很多，本文將其劃分為以下幾個階段。

（1）基于傳統統計學的預測方法。這一階段主要包括決策樹、Logistic回歸、聚類分析以及貝葉斯分類器等預測方法。徐燕妮等（2012）將決策樹和Logistic回歸方法的優點結合起來，提出了創新性的電信客戶流失預警模型。尹婷等（2014）提出了貝葉斯決策樹算法，加入貝葉斯節點彌補了決策樹方法的缺點，得到的結果比單獨的決策樹算法更為準確，為客戶流失預警分析提供了一種新的研究思路和分析方法。這個階段的方法具有模型解釋性強，處理定類和連續性數據效果好的優點。缺點是靈活性差、泛化能力不足、對于數據量龐大、多維非線性的數據處理效果較差。

（2）基于人工智能的預測。田玲等（2007）提出了一種基于神經網絡的預測模型，與傳統的決策樹和貝葉斯網絡相比通過使用兩次神經網絡，獲得了更好的效果。代逸生（2011）運用人工智能技術，構建了基于LVQ神經網絡的電信企業客戶流失預測模型。基于人工智能的方法主要依靠的是經驗風險最小化原則，邏輯推導和數學證明不嚴密，泛化能力比較弱。

（3）基于統計學習理論的預測。錢蘇麗等（2007）將代價敏感學習理論引入客戶流失預測，基于改進支持向量機建立了流失預測模型，建模過程中引入了不同的錯分代價，模型的預測性能因此得到了極大地提高。夏國恩（2008）基于電信行業的數據，用四種不同的方法進行了對比測試，結果表明支持向量機模型效果最好。朱幫助（2010）基于SMC和最小二乘支持向量機構建了電子商務客戶流失三階段預測模型用來預測客戶是否流失。結果表明，其與單獨模型相比，預測精度更高，更為有效和實用。夏國恩等（2018）利用支持向量機對融入客戶價值特征和情感特征的網絡客戶流失預測進行了研究。首先，分析了融入客戶評論情感打分后模型與未融入客戶評論情感打分的模型在不同核函數的支持向量機分類算法的表現，結果表明融入客戶評論情感的模型預測結果相對更好。其次，將融入客戶評論情感打分后模型與未融入客戶評論情感打分的模型在支持向量機與人工神經網絡、邏輯回歸、樸素貝葉斯、決策樹分類器上分別進行實證分析，結果表明，從預測算法上來看，相比于其他的預測算法多項式核SVM在網絡客戶流失預測中能夠取得相對較好的結果。支持向量機是一個典型的代表，它可以解決小樣本、非線性以及模式識別方面的問題，具有一定的優勢。它的缺點是參數的選擇決定了預測的精度。

（4）基于組合分類器和仿生學算法的預測。基于仿生學算法的預測代表方法有蟻群算法和蜂群算法。王純麟（2007）針對目前采用單分類器的不足，提出了一種基于組合分類器的流失預測模型。結果表明，經過AdaBoost算法訓練的組合分類器能有效提升預測準確率。羅彬等（2010）針對在電信行業預測客戶流失比較復雜的問題，提出了一種新的流失預測模型——基于蟻群算法的成本敏感線性集成多分類器模型。結果表明，基于集群智能的改進蟻群優化算法具有原理清晰、程序簡單、全局收斂的優點，這在流失預測中具有很好的優勢。羅彬等（2011）提出了一種新的基于粗糙集理論、神經網絡和蜂群算法線性集成多分類器的客戶流失預測模型。該模型運用了最新發展的人工蜂群算法，進一步擴展了人工蜂群算法的應用領域。

4 未來研究方向

在這個網絡時代，越來越多的人習慣使用網絡。這種現象向企業傳遞了一種信號：不能忽視網絡帶來的影響力，未來應該將關注的重點放在網絡客戶行為的研究上。首先，網絡客戶屬于非契約型客戶，通常網絡客戶的相關性弱，流失率高，企業很難準確的判斷客戶的潛在流失行為，因此需要確定哪些因素對網絡客戶的流失起著決定性的作用，對潛在的流失客戶進行識別。其次，網絡客戶數據一般數據量比較大，而且比較雜，隨著大數據的不斷發展與成熟，使得對于客戶行為的分析變得更加容易，加之近幾年深度學習方法所表現出來的優勢，未來可以將深度學習方法有效的利用在預測網絡客戶流失的過程當中。除此之外，可以在數據處理方面進行優化。網絡客戶流失現在處于剛起步的階段，相關研究較少，還存在一些問題例如客戶行為特征的影響、模型的應用、預測模型的優化等值得繼續研究和探索。

參考文獻

[1] 于小兵，曹杰，鞏在武.客戶流失問題研究綜述[J].計算機集成制造系統，2012，18（10）.

[2] 趙莽.基于實證分析的移動客戶保持影響因素和策略研究[D].北京郵電大學，2006.

[3] 王未卿，姚嬈，劉澄.商業銀行客戶流失的影響因素——基于生存分析方法的研究[J].金融論壇，2014（1）.

[4] 任劍鋒，張新祥.電子商務客戶流失的建模與預測研究[J].計算機仿真，2012，29（5）.

[5] 于小兵，王旭明.影響電子商務客戶流失因素分析[J].數學的實踐與認識，2014，44（21）.

[6] 李婷婷.影響B2C電子商務企業客戶流失因素的實證分析[D].哈爾濱商業大學，2014.

[7] 徐旭.移動互聯網下終端客戶流失影響因素實證研究[J].赤峰學院學報（自然科學版），2015，31（5）.

[8] 夏國恩，馬文斌，唐嬋娟，等.融入客戶價值特征和情感特征的網絡客戶流失預測研究[J].管理學報，2018，15（3）.